机器人应用对就业的影响调查——基于川渝地区的实证研究

蓝定香 杨雪莲

（四川省社会科学院，四川 成都 610072）

近10年来，随着数字基础设施的加快建设及数字技术与实体经济融合的不断加深，我国机器人应用规模呈现“井喷式”增长。根据国际机器人联盟（IFR）全球工业机器人报告，我国机器人保有量从2010年的5.2万台已经增加到2020年的94.3万台，居世界第一。同时，机器人的广泛应用可能导致“机器换人”的失业风险也引起了广泛关注。成渝地区双城经济圈要建设为具有全国重要影响力的经济中心，如何正确处理四川及重庆劳动力资源丰富带来的就业压力大，与必须紧跟世界技术进步步伐、加快产业智能化发展、推进机器换人之间的关系，是十分重要且需要研究的问题。基于成渝地区双城经济圈的圈内圈外联动、相互影响的关系，本文将研究整个川渝地区机器人应用对其劳动力就业的影响。

一、文献综述

随着数字经济的迅猛发展进而人工智能的广泛应用，国内外关注机器人应用与就业关系的文献与日俱增。这些文献主要探讨了机器人应用对劳动力市场的影响、智能机器人进口对制造业生产率的影响、机器人应用对产业转型升级的影响。

（一）机器人应用对就业总效应的影响

在人工智能技术经济范式下，劳动的主体、内涵、分工、生产率、社会功能都将发生深刻变化，并通过生产系统载体变革，催生促进人的全面发展的劳动机遇[1]。在新一轮科技革命中，“智能化”革命影响更为广泛，不仅变革了中国各产业生产方式，也对服务业产生重要作用。韩民春等人对机器人技术进步的就业效应进行了建模分析，发现中国制造业企业使用第二代机器人一方面会产生就业破坏效应，另一方面也会产生就业创造效应；使用智能机器人替代第二代机器人，将会在这两种就业效应的基础上再增加智能机器人的就业挤出效应，即这一替代过程对就业的负面影响更大[2]。蔡啸和黄旭美构建了两部门任务模型，分析了人工智能技术的生产率效应和对就业替代效应的影响机制，研究结果表明:我国人工智能技术的使用显著降低了制造业的劳动力占比，但它的增长会在一定程度上缓解这种抑制作用[3]。金强和尹音频在内生增长模型的基础上，通过构建家庭、企业和政府三部门模型，考察了制造业技术进步与升级对劳动力市场的影响，并依据制造业子行业面板数据，构建了半参数估计模型和面板门限回归模型进行实证检验，结论显示：以制造业研发创新投入衡量的技术升级与进步，与制造业就业水平呈显著的负向效应，即产生了生产技术对劳动力的替代效应[4]。

（二）机器人应用对就业结构的影响

机器人作为智能技术的代表，其应用会促进对信息、计算机、互联网、软件等服务需要，使相关行业迎来全新发展，而由于机器人固有的资本属性，生产部门的大规模引入也会增加对商务、租赁、管理和财务等服务需求，进而促进服务业结构往更高级的方向演化[5]。然而，考虑到机器人的本质在于替代人类完成重复生产任务，与低技能劳动存在天然的替代和挤出作用[6]，其应用也可能引发就业转移，为服务业输入大量劳动力和就业岗位。部分实证研究聚焦于机器人应用对制造业就业的影响，且大多认为机器人应用水平的提高抑制了制造业就业，但存在结构性特征。赵春明等人的研究表明，机器人的使用降低了制造业部门的就业比率，但提升了服务业部门的就业比率[7]。这符合“配第—克拉克”定律，即劳动力随着国民收入增加，依次从第一、第二产业向第三产业流动[8]。机器人应用作为工业转型升级的主要方式在全球范围内蓬勃兴起，不仅对经济社会发展和人们的生产生活带来深刻影响，更与历史上的多次技术革命类似，将会对劳动力市场产生巨大冲击并重塑劳动力就业结构[9]。徐奕瑶等人从劳动者受教育程度分析就业结构，发现机器人应用发展将使得劳动力就业结构呈现：接受初中及以下教育程度的劳动力人数比例有明显减少，而大学及以上的教育程度劳动力的就业比例逐步攀升[10]。

（三）机器人应用对劳动者技能培训的影响

邓韵雪和许怡基于对广东省制造业的问卷调查和深入访谈资料，分析了机器人应用背景下劳动者技能提升机会的性别差异，研究表明:企业自动化升级给男性工人提供了更多培训次数，且区分了男性与女性能力并对其赋予不同价值，导致两者在技能提升机会方面有较大性别差异[11]。因此，当前机器人应用趋势和企业自动化改造没有弥补技能提升机会的性别差距。

由上可见，学界关于机器人应用对就业影响的研究已经有较多文献，他们大多基于宏观层面和中观产业层面进行研究，重点关注的是机器人应用对就业与劳动力市场的影响，而关于机器人应用对就业结构影响的研究尚不全面，重点探讨了对劳动者技能和学历的影响，且关于人工智能对就业效应影响的研究尚未达成共识。目前，关于机器人应用对于区域就业影响的研究还较少，针对川渝地区机器人应用对该区域三次产业就业结构的影响几乎没有。鉴于此，本文从机器人应用视角，将川渝地区的机器人应用带来的人力资本效应与就业相联系，着重探讨以下两个问题：一是将机器人渗透度作为机器人应用水平的工具变量，引入人力资本结构效应，揭示机器人使用对就业的作用机理;二是进一步考察川渝地区的机器人应用对就业结构的影响，分析机器人对第一产业、第二产业、第三产业中就业人员的差异性影响。

二、机器人应用对就业的影响机制

本文从劳动力市场中需求方的视角来研究机器人应用对就业的影响机制（见图1）。机器人的应用通过影响就业总量、就业结构从而最终对就业产生影响。机器人对就业总量的影响既有就业“替代效应”[12]，也有就业“创造效应”[13]。一方面，生产过程中使用机器人既能提高劳动生产率，又相对减少企业的劳动力需求，最终节省生产成本。在相同经济发展水平下，产出一旦确定，机器的使用代替人工劳动，对就业会产生挤出作用。另一方面，机器人应用实际上是一种技术进步，也会创造为机器人服务的新岗位，带动新兴行业的发展。此外，机器人的应用通过产业结构的优化和社会分工的调整影响就业结构，就业与产出挂钩，当产业结构由“二一三”结构逐渐转变为“三二一”结构时，就业重心也由第二产业转向第三产业。机器人的应用推动传统制造业升级为智能制造业，产业结构的优化促进就业结构的调整。在数字经济背景下，机器人的应用带来新一轮的社会分工，使得劳动力资源重新配置，增加非标准化的劳动力需求，不断提高就业结构中第三产业的就业占比。

图1 机器人应用对就业的影响机制

三、实证分析

（一）模型设定

根据以上的文献分析和影响机制研究，基于实证角度设定模型，探究机器人应用对川渝地区三次产业的就业结构的影响，其基本回归模型如下：

其中，公式（1）（2）（3）分别表示川渝地区第一、第二、第三产业就业的模型。下标i和t分别表示第i个市州和第t年。被解释变量包括N1、N2、N3，其中N1表示第一产业劳动力就业占比，N2表示第二产业劳动力就业占比，N3表示第三产业劳动力就业占比。核心解释变量robot表示机器人渗透度，是机器人应用程度的代理变量。对机器人渗透度进行对数处理，以消除可能存在的异方差。控制变量有5个，pgdp表示人均GDP，hr人力资本水平，struc表示产业结构，tra表示外贸开放度，ur表示城镇化水平。ε表示随机扰动项，同时，μi表示个体固定效应，μt为时间固定效应。

（二）指标选取

1.被解释变量。本文重点研究的是机器人应用影响就业结构效应，因此分别使用地区第一、第二、第三产业的就业情况作为被解释变量，考虑到国内大背景下老龄化和总生育率低的情况越来越严峻，很大程度影响了劳动供给数量，选取三次产业就业人数占就业总人数之比来体现三次产业的区域就业结构情况，分别用N1、N2、N3表示。

2.核心解释变量。本文将机器人的渗透度（robot）作为核心解释变量，公式中采用的机器人保有量数据来自国际机器人联盟（IFR）。目前，相关文献对于机器人应用水平没有统一的测算标准。我国一部分学者借鉴了李廉水和董志学等人的做法，采用因子分析法中主成分分析法来综合评价机器人应用水平[14-15]，具体包括设施基础层、软件应用层和市场实践层三个方面的8个指标。还有一部分学者将机器人使用密度或渗透度( 每千名劳动力所拥有的机器人数量）作为机器人应用的代理变量。例如，杨晓峰等人使用机器人数量单一指标来表现一国或地区的机器人应用程度[16]。韩民春等人以机器人渗透度指标来衡量某一地区机器人的分布密度和使用程度[2]。机器人渗透度反映了机器人的分布密度和使用程度，更能直观反映我国目前机器人应用程度。此外，主成分分析法中涉及的8个指标的微观数据难以获取。因此，本文采用机器人渗透度来衡量机器人应用的发展水平，在实证过程中做对数处理。

由于本文需要的是市级层面的机器人渗透度的数据，而IFR只公布国家层面以及各个国家行业层面的机器人安装量和保有量，因此本文借鉴韩民春和康茜等人的衡量方式，使用工具变量测算市级层面的机器人渗透度来表示机器人应用程度[2][17]。具体表示如下：

其中，robori,t表示i地区t年的机器人渗透度，labori,j,t表示i地区j产业t年的就业人数，labori,t表示i地区t年的就业人数，robotj,t表示j产业t年的机器人保有量，laborj,t表示j产业t年的就业人数。

3.控制变量。经济发展水平(pgdp)用人均GDP来衡量；人力资本水平(hr)用大学专科本科及研究生在校人数占地区就业人员比重来衡量；产业结构(struc)用第三产业增加值占GDP比重来衡量；贸易开放度(trade)用进出口总额占GDP比重来衡量；城镇化程度(urban)使用人口城镇化率表示。

（三）数据来源与描述性统计

本文选择2010—2020年四川省和重庆市的面板数据进行实证研究。本文的数据来源于历年国际机器人联盟IFR、《中国统计年鉴》《四川统计年鉴》《重庆统计年鉴》、四川省统计局和各市国民经济与社会发展统计公报（2010—2020年）。主要变量的定义和数据来源如表1所示，变量的描述性统计见表2。

表1 变量定义及数据来源

表2 主要变量的描述性统计

机器人应用 lnrobot 242 0.877 1.090 -2.215 2.595经济发展水平 pgdp人力资本水平 hr 242 35,567 16,195 8,608 85,806 242 0.0242 0.0167 0.000458 0.0886产业结构 struc 242 0.411 0.0867 0.229 0.659外贸开放度 tra 242 0.0537 0.0806 0.00216 0.404城镇化水平 ur 242 44.25 11.41 20.53 78.77

四、实证结果与分析

（一）基本模型估计分析

本部分实证检验机器人应用对川渝地区劳动力就业结构的影响。表3中列（1）、列（2）、列（3）分别报告了川渝地区机器人应用发展对三次产业劳动力就业影响的基准回归结果。本文可以选择固定效应模型或随机效应模型，经Hausman检验，选择固定效应模型，列（1）、列（2）和列（3）均为个体、时间固定的双向固定效应模型。基准回归根据公式（1）（2）（3）进行，实证机器人应用对就业产业结构的影响，具体回归结果见表3。检验结果表明，从川渝地区看，地区就业结构的特征并没有呈现“两极化”，机器人应用的发展导致川渝地区就业产业结构得到优化升级。

表3 基准回归结果

列（1）显示，核心解释变量机器人应用lnrobot的系数是负数，在1%水平上显著。这表示川渝地区机器人应用对第一产业的就业具有显著的“挤出效应”。随着机器人应用第一产业的深化，农业机器人用于生产浇灌、种子筛选、播种与害虫防治、辅助性农害预警等环节。例如，英国的农业机器人与自动化系统（RAS）虽具有复杂多样的技术，但应用范围极小，因为大范围的应用需要技术创新，实现操作系统与现有农业高度有机结合。机器人应用使得农业生产过程自动化和农业生产工具机器人应用，对农业领域的劳动力产生了“挤出效应”。在川渝地区，机器人应用的“就业破坏效应”并没有作用于第二产业，而是在第一产业得到了体现。随着川渝地区农业现代化的不断发展，机器人应用水平持续提升，大部分的劳动力得以从农业转移出来。

列（2）显示，核心解释变量机器人应用Inrobot的系数在1%显著水平上为正，这表明机器人应用程度对川渝第二产业劳动力就业产生显著的正面作用，但系数较小，说明其就业“创造效应”不大。一方面，部分数字化、程序化和常规性认知类工作容易被机器人应用所取代，例如车间流水线工人、焊接工人等普通产业工人。另一方面，机器人应用为智能制造业创造了新型就业岗位，如工业机器人系统操作员、人工智能工程技术人员等高技能职业。川渝地区科技创新应用不足，目前处于弱机器人应用阶段的早期阶段。第二产业劳动力的创造效应和替代效应并存，且创造效应更突出。已有研究大多表明机器人应用减少了第二产业的就业。本文重点研究的是川渝地区的机器人应用对第二产业就业的影响，研究结论更具有针对性和地域差异性。总体而言，在川渝地区，工业机器人应用促进了第二产业劳动力的就业，同时挤出第一产业的劳动力。

列（3）显示，核心解释变量机器人应用Inrobot的系数显著为正，这表明机器人应用发展对地区第三产业劳动力就业产生显著的“创造效应”。川渝地区的机器人在第一产业的大规模应用解放了农业劳动力，增加了第二、第三产业的劳动力供给数量。超过农业劳动力需求的人力资源部分流向了第二产业，如机器人应用成本高的建筑业；另一部分输入到了第三产业，如短期内难以标准化的服务业。因此川渝地区机器人应用减少第一产业就业的同时，增加了第三产业就业。

（二）稳健性检验

为保证本文实证结果中机器人应用和就业结构之间关系的可靠性，使用不同方法进行稳健性检验。

1.替换被解释变量

上文基础回归中的被解释变量N1、N2、N3分别用第一、第二、第三产业就业人数与就业总人数的比例进行衡量，主要研究川渝地区中三次产业劳动力就业人数占比受机器人应用的影响，得出机器人应用对第二产业劳动力占比有显著的促进作用。进一步考虑三次产业的就业人数总量受机器人的影响作用是否与上述结论不同，将被解释变量改为三次产业就业人数总量N1、N2、N3，进行固定效应回归，回归结果如表4所示，同样得到稳健的结果，机器人渗透度的系数均在1%的显著性水平下显著为正，表明无论是产业就业人数占比还是产业就业总人数，第一产业就业受到机器人应用的抑制作用，第二产业和第三产业都会受到机器人应用的促进作用。

表4 稳健性检验：替换被解释变量

2.改变估计方法

前文使用双向固定效应模型估计了机器人应用和就业产业结构的关系，进一步使用混合回归模型重新进行估计，结果如表5所示。使用不同方法进行回归，机器人应用仍然显著降低川渝地区第一产业就业，增加第二产业和第三产业的就业水平，与基本回归结论保持一致。

表5 稳健性检验：改变估计方法

五、结论与建议

（一）结论

通过分析机器人应用对就业的影响机制，探讨机器人应用通过产业结构效应和社会分工影响就业尤其是就业结构的作用机理，利用2010—2020年川渝地区22个市（州）（重庆市、四川省21个市州）的机器人应用面板数据，通过双向固定效应模型实证检验了理论假设。实证结果表明：第一，川渝地区的机器人应用对就业产业结构升级具有显著的正向效应，推动就业结构高级化；第二，机器人应用的深化显著减少了第一产业的就业，且在三次产业中，机器人应用对农业的影响效应最大；第三，机器人应用显著促进第二产业、第三产业的就业，第二产业就业更能体现机器人应用的发展。

（二）建议

结合本文的研究发现，针对正确处理四川及重庆劳动力资源丰富进而就业压力大与代表先进技术的机器人应用之关系，提出三点建议。

1.加强数字经济和实体经济的深度融合。川渝地区发展尤其是成渝地区双城经济圈建设应立足实体经济，将数字技术进而人工智能技术应用于实体产业中，扎实推进机器人应用工程。实体经济和数字经济进而人工智能交互发展是实现川渝地区经济高质量发展的必经之路。一是抢抓新时代西部大开发、成渝地区双城经济圈建设等重大战略机遇，以凝聚智能化发展共识、加快数字基础设施建设、推动数字产业化和产业数字化深度互动为重点，鼓励川渝地区进一步提升机器人技术，为本地区机器人加速推广应用奠定坚实基础。二是探索机器人应用地区标准的体系建设，增强对“传统制造”升级为“智能制造”的制度支撑功能。三是统筹推进机器人应用试点示范，借鉴东部地区的机器人规模效应，逐步提高川渝地区机器人的产业规模和应用水平。四是加大机器人应用财税支持力度，创新金融支持机器人应用模式，加快建设机器人应用云服务平台。

2.进一步推动科技创新及机器人在三次产业的应用。一是鼓励农业科技的创新和农林牧渔行业机器人的应用。在提高第一产业劳动生产率和劳动力就业质量的同时，使得川渝农村地区更多的劳动力资源从大农业中转移出来。与此同时，建立健全技能培训机制，增强第一产业劳动力对智能农业技术的认识和掌握，进一步实现农业机器人的投入产出比最大化。特别注重第一产业中青年劳动力的培育与积累，深化农业机器人的有效应用，既有利于农业现代化发展，又可助力西部乡村振兴，缓冲农村地区的空心化和老龄化。二是第二产业尤其是制造业应逐步有序地推进机器人的创新和应用。制造业由于企业千差万别、产品千姿百态，其数字化转型、智能化改造（机器人应用）需要技术和人才积淀、生态营造、系统配套并不断迭代，因此，其投入大、周期长、见效慢、风险高，我们不能急于求成，而应久久为功。同时，通过技术进步实现制造业产业升级时，需充分应对“就业—失业—再就业”问题，以双重保障工业经济的高质量发展和劳动力资源的优化配置。

3.完善再就业引导机制与社会保障制度。一是重点解决两类失业问题。现阶段，川渝地区人社部门需落实就业引导机制，重点解决摩擦性失业和结构性失业。机器人用于简单机械、重复度高的工作岗位，替代部分劳动力，会带来摩擦性失业。因此，应疏通就业渠道，完善人力资源库和工作需求库，为劳动者和就业单位搭建即时沟通平台，保障人力资源定向迅速地输入当地工作岗位。同时，应健全再就业引导和职业培训体系，让第一产业和第二产业流出的劳动力完成技能学习，成为复合型人力资源。此外，应通过建立和完善职业培训体系，解决结构性失业，使失业人员在第三产业找到适配的工作岗位，重新进入劳动力市场。尤其应充分利用重庆网红城市效应和四川巴蜀旅游文化，大力发展第三产业中的旅游业。二是通过经济发展带动就业岗位增加。应加快建设成渝地区双城经济圈装备制造产业协同发展新格局，共建国家先进制造业基地，以市场之力自主拓宽劳动力就业渠道。三是完善社会保障制度。对于长期生活困难的失业者，提供再就业指导并进行无偿培训。对于农村地区的失业者，解决其短期保障问题，给予切实的经济补偿和就业帮助，尤其应扩大社会保障覆盖范围，尽可能将所有劳动者纳入统筹保障体系，建成多层次、广覆盖的社会保障制度。